如何定期重新训练keras模型
定期重新训练Keras模型是保持模型性能和准确性的重要步骤。以下是如何定期重新训练Keras模型的步骤：
- 确定重新训练的时间间隔：重新训练的时间间隔取决于数据的变化速度和模型的要求。如果数据经常变化，可能需要更频繁地重新训练模型。
- 收集新的训练数据：获取最新的训练数据，可以是从数据库、文件或其他数据源中获取。确保新数据具有代表性，并且与之前的训练数据具有一定的差异性。
- 数据预处理：对新的训练数据进行预处理，包括数据清洗、特征提取、标准化等步骤，确保数据的质量和一致性。
- 更新模型架构：根据新的训练数据的特征和需求，可能需要对模型的架构进行更新或调整。例如，增加或删除某些层，调整层的大小或顺序等。
- 模型训练：使用新的训练数据对更新后的模型进行训练。可以使用Keras提供的fit()函数来进行训练，并设置适当的超参数，如学习率、批量大小和训练周期等。
- 模型评估和调优：在重新训练后，评估更新后模型的性能。可以使用验证集或交叉验证来评估模型的准确性和泛化能力。如果模型性能不理想，可以进一步调整模型的参数和架构。
- 模型保存和部署：重新训练后，保存更新后的模型。可以将模型保存为HDF5文件，以便将来使用或部署到生产环境中。
对于定期重新训练Keras模型的具体时间间隔和步骤，可以根据具体业务需求和实际情况进行调整和优化。下面是一些相关腾讯云产品和链接地址供参考：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tcap） 腾讯云提供的全套机器学习平台，可以帮助用户进行模型的训练、部署和管理等工作。
- 腾讯云对象存储 COS（https://cloud.tencent.com/product/cos） 腾讯云提供的对象存储服务，可用于存储训练数据和模型文件。
- 腾讯云云服务器 CVM（https://cloud.tencent.com/product/cvm） 腾讯云提供的云服务器，用于进行模型训练和推理。
请注意，以上仅为一般性答案，具体方案和产品选择需要根据实际情况进行判断。
相关·内容
我的目标是从一个.hdf5文件(它是一个Keras模型)加载一个基本模型，并继续通过联邦学习来训练它。下面是我如何初始化FL的基本模型：
def model_fn():
model = tf.keras.load_model(path/to/model.hdf5)
return tff.learning.from_keras_model(model=model,
dummy_batch=db,
loss=loss
浏览 5提问于2020-05-13得票数 2
回答已采纳
1回答
我训练了一个模型，并将其转换为.tflite模型。我已经使用以下内容完成了训练后量化： import tensorflow as tf
converter = tf.lite.TFLiteConverter.from_saved_model(saved_model_dir)
converter.optimizations = [tf.lite.Optimize.OPTIMIZE_FOR_SIZE]
tflite_quant_model = converter.convert() 但是，当我尝试在RaspberryPi上使用模型进行推理时，我得到了以下错误 Traceback (most re
浏览 36提问于2019-06-23得票数 3
回答已采纳
我想用CT灰度图像训练一个模型，就像这样：
对于某些类别的疾病，我的训练集是有限的，例如，2,000个阳性和98,000个阴性。
我正在考虑使用迁移学习来避免过度拟合并提高我的模型的有效性，但我也意识到我应该对模型进行微调，因为我向模型提供的图像类型与我将使用的Inception模型训练的图像类型非常不同。
我的问题是，我不确定我应该保留多少层，以及多少层是可训练的。
然后，我想使用跳过连接来应用随机深度，让网络了解真正需要多少层。
因此，我正在考虑实现以下架构。
也就是说，我将在Keras (Tensorflow 2.0)附带的预训练初始模型的各层之间添加跳过连接。
我欢
浏览 1提问于2019-10-07得票数 1
3回答
部署LSTM模型
、、
我已经训练和验证了我的LSTM，我想部署它。因此，我知道我们可以保存和加载Keras的Sequential对象(您可以猜到，我正在使用Keras )。因此，我使用这些函数实现了一个代码。
但是，我想知道我是否必须用所有可用的数据(训练+测试)来训练我的模型，还是像我在学习期间所做的那样对训练集进行训练。许多教程讨论如何训练模型，但没有那么多的教程清楚地介绍了如何部署模型。
我想知道什么是常见的做法，因为我知道我正在做时间序列预测，这是一个具体的问题。
浏览 0提问于2019-08-06得票数 5
回答已采纳
背景
我发现了相当多的代码示例，人们要么使用rescale=1./255预处理图像数据，要么使用preprocessing_function将其设置为他们在ImageDataGenerator中使用的相应模型的preprocess_input。
虽然keras-blog ()使用这种方法...
ImageDataGenerator(rescale=1./255, ...
..。Keras文档()使用这种方法：
from keras.applications.vgg19 import preprocess_input
ImageDataGenerator(preprocessing_functi
浏览 3提问于2019-02-15得票数 8
3回答
是否有任何方法来检查Keras框架是否使用GPU或CPU来训练模型？
我正在用keras在GPU上训练我的模型，但是速度太慢了，我不确定它是用CPU还是GPU来训练。
浏览 13提问于2020-08-14得票数 1
回答已采纳
我需要用少量的节点创建一个简单的神经网络模型，对其进行训练，然后评估得到的已经训练好的网络中的某些参数。 我需要重复几次(>100)。因此，我只想重新初始化权重，而不是每次都创建一个新模型。 以下是我的代码中有问题的部分： import tensorflow as tf
from tensorflow import keras
from keras import backend as K
def reinitLayers(model):
session = K.get_session()
for layer in model.layers:
浏览 66提问于2019-03-20得票数 0
简而言之，我有2个经过训练的模型，一个在2个班级上训练，另一个在3个班级上训练。我的代码加载模型、加载图像并预测分类结果。 finetune_model = tf.keras.models.load_model(modelPath)
model = load_model(my_file)
img = image.load_img(img_path, target_size=(img_width, img_height))
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)
x = preprocess_input(x)
pred
浏览 16提问于2020-01-03得票数 1
我使用Keras(2.0.4)和Tensorflow(1.1.0)对Inception_v3进行了再训练和微调。当我使用MultiArray工具将Keras模型转换为MLmodel时，我得到了一个需要Keras输入的模型。如果我理解它要求的是高度，宽度，RGB = (299,299,3)，那么这是有意义的。但是我不知道如何将CVPixelBuffer转换成这种格式。
有没有人能帮我理解一下，为了让我的重新训练的分割模型在coreml中工作，需要进行哪些预处理？或者我需要在转换中做些什么，这样它才能接受CVPixelBuffer？
浏览 0提问于2017-08-08得票数 1
我正试图将两种经过预先训练的角膜模型移植到议会联盟的机器中。我成功地使用IPUstrategy.scope加载并运行了它们，但是我不知道我这样做是否正确。我有我的预培训模型的.h5文件格式。我用这种方式装载它们：
def first_model():
model = tf.keras.models.load_model("./model1.h5")
return model
在搜索您的ipu.keras.models.py文件后，我找不到任何加载方法来加载经过预先训练的模型，这就是我使用tf.keras.models.load_model()的原因。
然后，我使用以下
浏览 2提问于2021-04-23得票数 2
回答已采纳
2回答
我正在使用keras和tensorflow进行时间序列预测。我需要用未来的数据重新训练模型。我的问题是，在keras中这是可能的吗?我们如何做到这一点？
浏览 5提问于2018-08-15得票数 7
回答已采纳
4回答
我刚刚开始使用AWS，我想用自己的数据集训练自己的模型。我使用Python中的tensorflow后端将我的模型作为keras模型。我看了一些文档，他们说我需要一个Docker镜像来加载我的模型。那么，如何将keras模型转换为Docker镜像呢？我在互联网上搜索，但没有找到任何清楚地解释这一过程的东西。如何制作keras模型的docker镜像，如何将其加载到sagemaker中。另外，如何将h5文件中的数据加载到S3存储桶中进行训练？有没有人能帮我弄清楚？
浏览 1提问于2018-12-25得票数 0
2回答
我使用迁移学习(Keras)训练了Resnet-50，训练成功，我保存了模型。当我使用下面的代码测试模型时，它不工作，它给了我一个错误。如何解决此错误？
for i in classes:
names = class_names[i]
print(names)
key = cv2.waitKey(0)
我得到的错误是：
**TypeError: Unexpected keyword argument passed to optimizer: learning_rate**
我按照这个人的教程来训练我的模型：
浏览 1提问于2020-07-03得票数 0
我通过子类tf.keras.Model类创建了一个自定义模型。当我在自定义模型的调用方法中初始化(tf.keras.layers.Dense(20,activation='relu'))并调用Dense层时，模型根本没有训练。但是，当我在自定义模型类的构造函数中初始化Dense层，然后在我的自定义模型的调用方法中调用Dense层时，模型进行了良好的训练。此外，第一种情况下的模型摘要显示零可训练参数，而在第二种情况下并非如此。
请帮我理解为什么会发生这种事。
我在tensorflow.org上没有找到任何解释。
浏览 2提问于2022-06-14得票数 0
1回答
我正在寻找一种方法，以重新初始化层的权重，在现有的角角预训练模型。
我使用python和keras，需要使用传输学习，我使用下面的代码来加载预先训练的keras模型
from keras.applications import vgg16, inception_v3, resnet50, mobilenet
vgg_model = vgg16.VGG16(weights='imagenet')
我读到，当使用与原始数据集非常不同的数据集时，在我们在训练过的网络中拥有的低级特性之上创建新的层可能是有益的。
我发现了如何允许参数的，现在我正在寻找一种方法，以重置一个选定的层，以便它
浏览 0提问于2018-09-20得票数 2
回答已采纳
我正在运行一个简单的Keras模型(取自keras示例)，并使用自己的自定义培训图像和标签。每幅图片大小为150乘150。
我在训练集中有81472张图像，在测试集中有20368张图像。
一旦我运行Keras模型，Colabs就会显示“Runtime死了，自动重新启动”。
浏览 0提问于2018-05-22得票数 2
回答已采纳
我用Keras和Tensorflow编写了一个神经网络模型，并且能够训练和运行它。此时，我想知道训练模型需要多少内存。如何在培训阶段打印这些信息？我尝试了下面的Keras模型分析器，但它没有解释训练阶段所需的峰值内存。例如，训练我的模型显示在6GB的GPU卡上内存不足，但是配置文件显示内存需求小于1GB。那么，当我在model.fit()中使用Keras时，如何度量运行时的峰值内存需求呢？
浏览 2提问于2022-01-18得票数 2
回答已采纳
Keras是深度学习库TensorFlow Keras(和其他库)的轻量级包装器，用于帮助构建、训练和部署神经网络和其他机器学习模型。我能用火车图书馆从检查点恢复训练吗？
浏览 2提问于2020-07-01得票数 2
TensorFlow2.3引入了新的预处理层，如tf.keras.layers.experimental.preprocessing.Resizing。
然而，使用Keras在图像上进行训练的典型流程是使用tf.keras.preprocessing.image.ImageDataGenerator，它只能接受固定的target_size参数。据我所知，根本原因是keras在后台以numpy数组的形式处理图像，其中所有图像的大小必须相同(这是真的吗？)。
虽然我可以使用具有大小调整层的模型，该模型经过固定大小的训练，然后预测任意大小的图像，但这似乎是有风险的，因为训练数据和推理数据将具有系统差
浏览 0提问于2020-11-20得票数 0
3回答
我正在使用Colab中的Keras Tensorflow。我拟合了一个模型并保存了它。然后我加载它并检查性能，当然它应该是相同的。然后我冻结它，然后重新拟合它。我希望之后的模型也能有同样的性能。当然，在“训练”期间，由于批量大小的差异，准确性可能会有所不同。但之后，当用model.evaluate检查它时，我预计没有区别，因为权重不能改变，因为模型是冻结的。然而，事实证明并非如此。 我的代码： import csv
import tensorflow as tf
import tensorflow_datasets as tfds
import numpy as np
from tensor
浏览 50提问于2020-09-17得票数 2
我在keras中有两个受过训练的模型，我想把一个放在另一个上面，形成一个模型。我想把我受过训练的模特组合成一个。
我认为merge(Merge)是用于水平堆叠模型，而我想要垂直堆叠keras函数API模型。
PS :输出1的形状与输入2相同。
浏览 1提问于2018-04-30得票数 5
回答已采纳
1回答
我将Sports_1M caffe模型转换为Keras，并将其作为预训练模型使用到新的Keras模型中，我还加载了预训练的权重。
我删除了预先训练过的模型的顶层，最后与New连接起来。我不想再次训练加载的预训练模型(只是想使用预训练模型的嵌入，并使用它来训练我的新的Keras模型)。
代码如下所示：
from keras.models import model_from_json
from keras import backend as K
K.set_image_dim_ordering('th')
model = model_from_json(open('/co
浏览 0提问于2020-07-19得票数 2
1回答
我在Keras有一个预先训练好的模型。我想训练另一个模型，其中模型的输出是已训练模型的输入，并且已训练模型的输出用于未训练模型的损失函数。就像这样
in_a + mod_b(some kind of feedback from B here) --> Model A --> out_a --> Model B --> out_b
error = (in_a - out_b)**2
然后使用这个错误来训练模型A。在这个系统中，in_a可以被视为一个常量，也有一个反馈回路
在keras或tensorflow中如何做到这一点？
浏览 1提问于2017-03-26得票数 1
我已经训练了一个Keras (使用Tensorflow后端)模型，它有两个带有自定义损失函数的输出。我需要使用custom_objects参数从磁盘加载模型的帮助。 在编译模型时，我使用了loss和loss_weights参数，如下所示： losses = {
'output_layer_1':custom_loss_fn,
'output_layer_2':custom_loss_fn
}
loss_weights = {
'output_layer_
浏览 24提问于2019-02-13得票数 1
回答已采纳
1回答
我想以顺序的方式训练一个模型。也就是说，我希望最初使用简单的体系结构训练模型，一旦训练完成，我想添加几个层并继续训练。在Keras中可以做到这一点吗？如果是这样的话，是怎么做的？
我试图修改模型架构。但在我编译之前，这些更改是无效的。一旦我编译了，所有的权重都被重新初始化，并且我丢失了所有训练过的信息。
我发现，web上的所有问题要么是关于加载预训练模型并继续训练，要么是修改预训练模型的体系结构，然后只对其进行测试。我没有找到任何与我的问题相关的东西。任何指针也是高度赞赏的。
PS:我使用的是tensorflow 2.0包中的Keras。
浏览 29提问于2020-03-09得票数 7
回答已采纳
我在Colab有Keras模型，在训练期间它消耗了大约一半的记忆。如果我中断训练，然后重新启动它，Colab就会兑现，因为所有的内存都被使用了。有没有办法清除记忆或者解决这个问题，
浏览 12提问于2022-02-13得票数 0
3回答
在我的机构中有一个有2个GPU的共享服务器。假设有两个团队成员希望同时训练一个模型，那么他们如何让Keras在特定的GPU上训练他们的模型，以避免资源冲突？
理想情况下，Keras应该知道哪个GPU目前正忙于训练一个模型，然后使用其他GPU来训练另一个模型。然而，情况似乎并非如此。默认情况下，Keras似乎只使用第一个GPU (因为第二个GPU的Volatile GPU-Util始终是0%)。
浏览 0提问于2018-11-29得票数 4
回答已采纳
1回答
我使用的是Keras (2.0.0版)，我想使用预先训练好的模型，比如VGG16。为了开始，我运行了使用VGG16提取特性的Keras文档站点https://keras.io/applications/](])的示例：
from keras.applications.vgg16 import VGG16
from keras.preprocessing import image
from keras.applications.vgg16 import preprocess_input
import numpy as np
model = VGG16(weights='imagenet
浏览 11提问于2017-03-16得票数 2
1回答
我正在尝试在修改一个简单的NN体系结构后恢复它的训练。使用MNIST数据集，在本例中，我训练模型2个时期，然后将模型保存在.h5文件中。然后我重新加载模型，修改模型并重新编译它。但是我想从我中断的地方继续训练。因此，我想使用重新加载的模型的优化器来继续训练。代码如下：
MLP = keras.models.Sequential([
keras.layers.Dense(100, activation='sigmoid', input_shape=(784,)),
keras.layers.Dense(10, activation='sof
浏览 0提问于2019-03-12得票数 0
我用tensorflow 2.3训练了tensorflow keras模型。该模型以图像作为输入，但是模型经过了缩放输入的训练，因此在将它们输入到模型中之前，我们必须将图像缩放到255。
当我们在各种平台上使用这个模型时，我试图通过修改模型来简化它，只需在keras模型的开头插入一个渐升层(即在输入之后)。因此，该模型今后的任何消耗都可以简单地传递图像，而不必对其进行缩放。
我很难把这件事办好。我知道我需要使用以下功能来创建一个重标度层；
tf.keras.layers.experimental.preprocessing.Rescaling(255, 0.0, "rescaling&
浏览 2提问于2021-02-15得票数 3
回答已采纳
当我使用QAT (量化感知训练)训练Keras模型时， 有一些不兼容的问题，如不支持BatchNormalization或UpSampling2D等。 如何在不使用每一层tfmot.quantization.keras.quantize_annotate_layer的情况下直接预防它？(尤其是使用tensorflow keras函数API (而不是tf.keras.Sequential)构建模型时)
浏览 22提问于2020-09-29得票数 0
我想保存我的训练模型到.h5没有最后两层，以便转移学习使用我的自定义模型在未来，就像MobileNetV2 include_top=False，有人能帮助我，谢谢！
base_model = tf.keras.applications.mobilenet_v2.MobileNetV2(
alpha=1.0,
input_shape=IMG_SHAPE,
include_top=False,
weights='imagenet')
model = tf.keras.Sequential([
base_model,
tf.keras
浏览 3提问于2019-09-03得票数 1
1回答
我有一个交叉验证函数，我可以在许多类型的模型(sklearn，XGBoost，LightGBM)中使用，我正在尝试将它扩展到keras。
问题似乎是，当我将keras模型传递给函数时，它使用以前学习到的权重，而不是在每个折叠处重新开始训练。我到处寻找，但没有找到一种简单的方法来将keras的模型权重重新初始化为它们的随机状态。现在我使用的变通办法是在第一次折叠训练之前保存模型的随机权重，并在每次折叠后重新加载它们。它有点丑陋，我宁愿避免它。
简化后的函数为：
def cvloopcv(X,y,model,n,**kwargs):
kf = StratifiedKFold(n_spli
浏览 1提问于2020-05-05得票数 0
我正在学习如何在Keras上训练RNN模型，我希望训练一个模型来预测最后N步的移动平均值将非常容易。
我有一个包含数千步的时间序列，我能够创建一个模型，并用批量数据对其进行训练。
但是，如果我用以下模型训练它，测试集预测与真实值有很大不同。(批次= 30，移动平均窗口= 10)
inputs = tf.keras.Input(shape=(batch_length, num_features))
x = tf.keras.layers.LSTM(10, return_sequences=False)(inputs)
outputs = tf.keras.layers.Dense(num_lab
浏览 0提问于2021-01-24得票数 0
1回答
在Keras中采用预训练模型，并替换顶层分类层，将网络重新训练成一个新的任务，使用Keras中的顺序模型有几个例子。顺序模型有model.pop()和model.add()方法，这使得这相当容易。
然而，在使用功能模型时，这是如何实现的？此框架没有方法model.add()。
如何在Keras中加载经过预先训练的功能模型，裁剪最后一层并用新的层替换它？
目前的做法是：
model.load_weights('/my_model_weights.h5')
def pop_layer(model):
if not model.outputs:
raise Exce
浏览 0提问于2018-12-23得票数 2
回答已采纳
我要在Keras中导入一个预先训练好的VGG模型，
from keras.applications.vgg16 import VGG16
我注意到标准模型的类型是keras.models.Sequential，而预先训练的模型是keras.engine.training.Model。我通常使用add和pop分别为顺序模型添加和删除层，但是，我似乎不能将pop用于预先训练的模型。
对于这些类型的模型，是否有pop的替代方案？
浏览 14提问于2017-02-18得票数 1
当我使用h5py训练CNN模型时，它显示为ImportError:'save_weights' requires h5py，但我已经安装了keras。
如果有人能解释一下如何解决这个问题，我将不胜感激。
浏览 3提问于2017-04-13得票数 13
2回答
我想知道如何在生产服务器上使用与keras一起训练的模型。我听说过tensorflow服务，但我想不出如何将它与我的keras模型一起使用。
我找到了这个链接：
但是我不知道如何初始化sess变量，因为我的模型已经训练好了。有办法这样做吗？
浏览 2提问于2016-12-05得票数 5
回答已采纳
我预先训练了一个有两个班的模型(我自己保存的模型)，我想用它来转移学习，训练一个有六个班的模型。我已经将训练前的模型加载到新的培训脚本中：
base_model = tf.keras.models.load_model("base_model_path")
如何删除顶部/头部层( conv1D层)？
我看到在keras中可以使用base_model.pop()，对于tf.keras.applications，我们可以简单地使用include_top=false，但是在使用tf.keras和load_model时有类似的地方吗？
(我尝试过这样的方法：
for layer in
浏览 1提问于2021-12-09得票数 4
回答已采纳
我想训练一个具有自定义激活层的keras模型。自定义激活层具有一个固定的不可压缩参数。
我想改变/设置这个不可训练的参数在模型中的所有自定义激活层在训练后的几个时期。
如何使用keras回调来实现这一点？
浏览 0提问于2020-12-02得票数 3
回答已采纳
我有一个keras模型，预训练权重h5df约为700mb。我想在Apache Spark中使用它作为广播变量。1.这似乎是不可能的，因为keras模型本身不是spark感知的，也是不可序列化的。2.我在谷歌上搜索了一下，发现了Elephas库。因此，尝试在ElephasTransformer中包装Keras预训练模型。这抛出了多个错误(我使用的是python 2.7 )。例如，在Elephas的ml_model.py文件"from pyspark.ml.util import keyword_only“中，导入不可用。即使我试图注释掉这一点并在代码中进行适当的修改，它似乎也无法处理ke
浏览 6提问于2017-09-30得票数 3
我正在训练一个Keras模型，我有RGB格式的训练图像。我想训练我的模型，但在InceptionV3上的灰度图像，但它以RGB图像作为输入。我的问题是:如何才能首先将RGB图像转换为灰度，然后在三维中复制？我正在使用Keras的TrainDataGenerator.flow_from_directory方法。
浏览 3提问于2020-12-07得票数 1
回答已采纳
我有角星预训练模型(model.h5)。我想用tensorflow基于量值的模型，用Keras剪枝。一个奇怪的事情是，我的预先训练过的模型是用原始的keras模型构建的，我的意思是它不是来自tensorflow.keras的。在tensorflow基于量值的权值剪枝与Keras示例中，他们展示了如何处理tensorflow.keras模型.我想问的是，我能用他们的工具修剪我原来的角粒预训练模型吗？
在他们的重量修剪工具包中，有两种方法。一种是在训练过程中逐层修剪模型，二是对整个模型进行剪枝。我尝试了第二种方法来修剪整个预先训练过的模型。下面是我的密码。在他们的重量修剪工具包中，有两种方法。一种
浏览 0提问于2019-05-31得票数 4
我想将keras训练的模型集成到tensorflow网络中，以帮助训练tensorflow模型，也就是说，keras模型不需要再次训练，它只会为tensorflow模型产生损失。下图是基本的网络架构。
下面的代码是为keras模型生成损失。但是，不幸的是，它未能加载预训练的keras模型，尽管它没有给出任何错误。也就是说，代码可以工作，但它只是加载了一个随机模型(变量的随机值)，它返回了一个随机值，而不是预先训练的模型生成的值。
def keras_loss(sess,prediction):
#import package
from keras.models import Mo
浏览 0提问于2018-07-25得票数 0
2回答
在Keras中，有没有办法交叉验证正在监控的EarlyStopping(monitor = 'val_acc', patience = 5)的提前停止指标？在允许训练进入下一个时期之前，是否可以对模型进行交叉验证，以获得更稳健的测试误差估计？我发现，早期停止度量，比如验证集上的准确性，可能会受到高方差的影响。早期停止的模型通常在看不见的数据上表现不佳，我怀疑这是因为与验证集方法相关的高方差。
为了最小化早期停止指标中的方差，我想在模型从epoch i训练到epoch i + 1时对早期停止指标进行k折叠交叉验证。我想在epoch i上使用模型，将训练数据分成10个部分，在9个部
浏览 6提问于2018-10-13得票数 6
keras可以用tf.keras.models.save_model()保存模型，然后从tf.keras.models.load_model()恢复模型。
这里有个场景，
训练一个模型x步骤。将权重保存到检查点文件中。save_format='tf'
从检查点文件中恢复重量，训练另一个x步骤。
在tensorflow中，第二次训练的全局开始步骤是x+1步骤，但在keras中，它似乎重新设置了全局步骤。
到目前为止，这种行为给我带来了两个问题.
紧张状态混乱，2次训练全部从第0步开始。
我需要在培训期间将一些信息保存到文件中，文件名将取决于火车步骤，因
浏览 2提问于2020-11-27得票数 2
对于我目前的需求，我有一个来自100个不同的人的10k+脸的数据集，我从这些数据集中训练了一个识别脸的模型。该模型通过从facenet_keras.h5模型中提取128个向量，并将这些向量值输入稠密层进行分类，对模型进行了训练。但我目前面临的问题是
如果想训练一个人的脸，我必须再一次重新训练整个模型。--
我该如何应对这个挑战？我读过一个叫转移学习的概念，但是我对如何实现它没有任何线索。请就这个问题提出你的建议。解决这个问题的可能办法是什么？
浏览 4提问于2019-09-22得票数 1
1回答
我在同一任务上训练了几个模型，我正在尝试将它们组合在一起以获得更好的性能。有没有办法让我用Keras把他们的预测结合起来？假设我有以下模型，在ImageNet上进行了训练。
import tensorflow as tf
vggModel = tf.keras.applications.VGG16(weights='imagenet')
mobileNet = tf.keras.applications.MobileNetV2(weights='imagenet')
如何组合这些模型以提高性能？
浏览 0提问于2021-01-22得票数 0
我开发了keras文本分类模型。我有预处理的数据(标记化)。我已成功记录训练好的模型(mlflow.keras.log_model)。我已经使用mlflow服务为模型服务了。现在，在对文本数据进行预测时，我需要使用用于训练的相同标记器对象进行预处理。如何预处理测试数据并从服务模型中获得预测。
浏览 8提问于2020-03-13得票数 2
回答已采纳
我在凯拉斯有个受过训练的模特。
我正在尝试在另一个任务中使用该模型，但我不需要所有的层，而只需要前4个conv层。
我把模型保存在"keras_pretrained_model.h5“里
是否可以使用“.h5”文件中预训练模型的前4个conv层的权重来初始化新模型的前4个conv层？
是否必须先加载整个预先训练过的模型？？
预训练模型实际上占用了很大的空间，我不知道在我用权值初始化新模型之后如何删除预训练模型。据我所知，使用tf.keras.backend.clear_session()将清除与旧模型一起创建的新模型。
所以，我的问题是
是否有任何方法来初始化新的模型层中的权重，而
浏览 6提问于2020-08-19得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
